基于颜色衰减先验的图像去雾算法研究及FPGA实现

发布时间：2020-09-07 10:51

　　 雾和霾在我国出现的比较频繁且分布区域较广,这不仅影响室外景物的视觉呈现,而且会引起户外拍摄图像的降质,使得图像信息部分或者大量丢失。因此,有必要寻找更为有效的图像去雾技术,来减少或者消除图像中雾气的影响,提高图像的质量。本文基于颜色衰减先验的图像去雾算法,提出了一种改进的颜色衰减先验去雾算法并在FPGA上对该算法进行实现和验证。本文主要研究内容和结论如下:首先通过分析图像降质的原因,引出了可用于还原降质图像信息的大气物理模型;其次结合暗通道先验的图像去雾算法和颜色衰减先验的图像去雾算法的优缺点,提出了一种改进的算法,该算法对场景深度的模型进行了改进;最后利用本文算法和其他算法对雾化图像进行处理,通过主观和客观对比表明,本文算法对图像去雾的效果更好。利用FPGA对本文算法进行实现与验证。硬件设计主要包括透射率值的计算模块和大气光值A的估计模块。在透射率值的计算模块中,通过改进的景深模型进行相应浮点运算求得景深,然后调用指数IP核获得透射率;在大气光值A的估计模块中,首先通过所设计的最大值比较模块可以快速得到暗通道数据中的最大值,其次通过查找表的方法找到该最大值在原图像R、G、B通道中的对应位置,并获得该位置上所对应的像素值,最后通过最大值比较模块的计算,得到A的值。在Quartus II环境中对系统进行编译和综合,并在开发板DE2-115上进行板级验证。结果表明,FPGA上系统板级验证的输出结果与Modelsim中仿真的结果一致,并且算法在FPGA上的运行速度提高到了毫秒级,表明了硬件设计的正确性且达到了实时性的要求。
【学位单位】：西安理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TN791
【部分图文】：

如图2-1 所示，目标景物到监测设备之间的实线箭头表示衰减后的光线。同时，入射光的衰减过程与观测点和场景点之间的距离相关。图 2-2 呈现了入射光衰减的过程。图 2-2 入射光衰减模型Fig.2-2 The model of light attenuation令一束光线透过厚度为 dx 的薄片，则光束在 x 处的辐射度的改变量可以用公式表示

7图 2-2 入射光衰减模型Fig.2-2 The model of light attenuation令一束光线透过厚度为 dx 的薄片，则光束在 x 处的辐射度的改变量可以用公式表示

图 2-3 环境光参与成像模型Fig.2-3 The model of environmental light participates in imaging设 dI ( x,y)是微粒作为光源，在单位体积内产生的光强。根据光源入射光衰减

【相似文献】

相关期刊论文 前10条

1 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

2 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期

3 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期

4 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期

5 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

6 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期

7 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期

8 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期

9 王水萍;邹蕾;;空中模糊目标图像边缘信息的融合与恢复方法[J];科技通报;2014年06期

10 朱庆生;杨世泉;柳锋;;基于图像边缘摘要的快速模板匹配[J];计算机应用研究;2009年02期

相关会议论文 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 孙增国;师蕊;;基于L_(1/2)范数的高分三SAR图像的非局部均值降斑[A];第五届高分辨率对地观测学术年会论文集[C];2018年

7 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

8 赵恩良;姜盈帆;孙丽华;曹康敏;金瑞巧;;一种基于变窗口的图像去噪算法研究[A];第十六届沈阳科学学术年会论文集（理工农医）[C];2019年

9 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

10 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

相关重要报纸文章 前7条

1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年

4 ;体验决定一切[N];中国计算机报;2003年

5 Wang JS;抠图又有新招[N];电脑报;2002年

6 徐和德;从实战出发选择合适镜头[N];中国摄影报;2019年

7 ;令挑剔的人也刮目相看[N];中国电子报;2001年

相关博士学位论文 前10条

1 刘奇;基于结构保持滤波的图像去雾算法研究[D];西安电子科技大学;2018年

2 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年

3 李永军;图像与视频低复杂度压缩算法研究[D];西安电子科技大学;2017年

4 何人杰;图像去雾与去湍流方法研究[D];西北工业大学;2017年

5 张文静;光场成像技术在天空偏振模式测量和湍流图像清晰化中的应用研究[D];国防科学技术大学;2016年

6 左承林;图像非局部均值去噪方法研究[D];国防科学技术大学;2016年

7 王丹;基于暗通道先验的图像和视频去雾模型及算法研究[D];国防科学技术大学;2016年

8 宋文青;SAR图像自动目标提取方法研究[D];西安电子科技大学;2018年

9 杨滨;图像克隆拼接篡改盲取证技术研究[D];湖南大学;2014年

10 张小帆;基于介观尺度的内燃机进气流场层析图像诊断机理研究[D];华南理工大学;2018年

相关硕士学位论文 前10条

1 叶显一;基于深度学习的糖尿病视网膜病变图像中渗出物的检测方法研究[D];武汉工程大学;2018年

2 张光裕;高质量图像的渐进式并行检索算法研究[D];厦门大学;2017年

3 张秀;基于单幅图像的沙尘图像清晰化方法及系统[D];西安理工大学;2019年

4 路鑫林;基于骨料形状匹配的混凝土CT图像裂纹信息提取方法研究[D];西安理工大学;2019年

5 孙利国;基于深度学习的文物图像单标签和多标签分类研究[D];浙江大学;2019年

6 李岭;图像与数据融合的抓取机构控制系统研究[D];沈阳工业大学;2019年

7 王陈;指静脉多曝光图像的研究[D];北京邮电大学;2019年

8 武筱琪;基于深度学习的漫画风格迁移方法研究[D];西安理工大学;2019年

9 余锴鑫;基于图像分类算法的自动化摘酒方法研究[D];浙江大学;2019年

10 左庆;基于卷积神经网络的单幅图像去雾算法的研究与应用[D];重庆师范大学;2019年

本文编号：2813244